Question

我有一个交易数据框。我的一栏是日期（datetime64 [ns]）。我正在按用户分组（以id作为电子邮件）。我感兴趣的是每个用户的订单之间的时间变化。因此，我在分组依据中寻找的是找到每个用户的日期（以天为单位）之间的差异的标准偏差。如果用户有两笔或最少笔交易，答案应该为0。这是一些数据框（我手动更改了一些内容）：

df

                  email                       date
0                 cuadros.paolo@gmail.com     2018-05-01 12:29:59
1                   rlez_1202@hotmail.com     2018-07-11 13:43:22
2                 cuadros.paolo@gmail.com     2018-09-21 12:29:23
3             paola.alvarado@rumah.com.pe     2018-09-01 09:21:43
4                    luchosuito@gmail.com     2018-04-30 12:29:30
5             paola.alvarado@rumah.com.pe     2018-03-22 12:29:23
6           davida.alvarado.703@gmail.com     2018-07-21 12:29:17
7                 cuadros.paolo@gmail.com     2018-08-11 12:29:41
8                   rlez_1202@hotmail.com     2018-05-23 12:29:14
9                    luchosuito@gmail.com     2018-06-01 12:29:17
10               jessica26011@hotmail.com     2018-07-18 12:29:20
11                cuadros.paolo@gmail.com     2018-08-21 12:29:40
12                  rlez_1202@hotmail.com     2018-10-01 12:29:31
13            paola.alvarado@rumah.com.pe     2018-06-01 12:29:20
14              miluska-paico@hotmail.com     2018-05-21 12:29:18
15             cinthia_leon87@hotmail.com     2018-07-20 12:29:59

我已经尝试了许多方法，但是仍然无法做到。请帮忙。

Answer 1

对于顺序差异，按照您的解释，这似乎是最合理的：

df.sort_values('date').groupby('email').apply(lambda x: x.date.diff().std()).fillna(0)

输出：

email
cinthia_leon87@hotmail.com              0 days 00:00:00
cuadros.paolo@gmail.com         48 days 05:04:12.988006
davida.alvarado.703@gmail.com           0 days 00:00:00
jessica26011@hotmail.com                0 days 00:00:00
luchosuito@gmail.com                    0 days 00:00:00
miluska-paico@hotmail.com               0 days 00:00:00
paola.alvarado@rumah.com.pe     14 days 18:10:16.764069
rlez_1202@hotmail.com           23 days 06:17:04.453408
dtype: timedelta64[ns]

.std()对于具有1个值非空值的组将为空，并且由于。diff将非空观测值的数量减少1，因此对于任何组自动返回NaN两次或更少的测量，我们用0填充。

请注意，pandas的默认设置是使用N-1自由度。

熊猫分组中日期之间的差异的标准差

1 个答案:

输出：